强烈推荐给萌新的CV成长指南

Acher1

该指南从装Python、装OpenCV、入门深度学习，到人脸识别、目标检测、语义分割等等各种应用，都有进阶路线，里面包含了教程、案例、注意事项。甚至怎样把算法部署到树莓派之类的硬件上，也能找到经验。


作者名叫Adrian Rosebrock，一个经常产出优质教程的宝藏男孩。这里先直接给出该指南的阅读链接：https://www.pyimagesearch.com/start-here/


下面，我们直接简单看看这份指南都有些那些内容吧。

• 我如何开始？
  
• 深度学习
  
• 面部应用
  
• 光学字符识别（OCR）
  
• 物体检测
  
• 对象追踪
  
• 实例分割和语义分割
  
• 嵌入式和物联网计算机视觉
  
• Raspberry Pi上的计算机视觉
  
• 医疗计算机视觉
  
• 使用视频
  
• 图片搜索引擎
  
• 面试，案例研究和成功案例
  
• 我的书和课程
  
  

前7节，属于基础内容部分，后7节主要是实际应用部分。下面一起看下基础部分都有什么内容吧！

1.我如何开始：
为了防止新人刚入门就放弃，还特意在开篇准备如何开始的内容，降低入门上手门槛。
步骤1：在系统上安装OpenCV + Python（初学者）
步骤2：了解命令行参数（初学者）
步骤3：通过示例学习OpenCV（入门）
步骤4：建立OpenCV小型专案（入门）
步骤5：解决更多高级OpenCV项目（中级）
步骤6：挑选您的利基市场（中级）


2.深度学习
算法进阶路线，内容比起第一节丰富很多。
步骤1：配置您的深度学习环境（初学者）
步骤2：训练您的第一个神经网络（初学者）
步骤3：了解卷积神经网络（初学者）
步骤4：构建自己的图像数据集（中级）
步骤5：在您的数据集上训练CNN（中级）
步骤6：调整学习速度（中级）
步骤7：数据扩充（中级）
步骤8：特征提取和微调预训练网络（中级）
步骤9：视频分类（高级）
步骤10：多输入多输出网络（高级）
步骤11：改善您的深度学习模型（高级）
步骤12：AutoML和Auto-Keras（高级）


3.面部应用
学习使用Computer Vision进行面部应用的基础知识。
步骤1：安装OpenCV，dlib和face_recognition（初学者）
步骤2：检测图像和视频中的人脸（初学者）
步骤3：发现面部地标（中级）
步骤4：创建Face Application小型项目（中级）
步骤5：构建人脸识别数据集（中级）
步骤6：人脸识别（中级）
步骤7：提高您的面部识别准确度（中级）
步骤8：检测伪造的面孔并进行反面部欺骗


4.光学字符识别（OCR）
计算机视觉的最早应用之一是光学字符识别（OCR）。本节将为您提供构建自己的OCR管道所需的知识。
步骤1：安装OpenCV（初学者）
步骤2：探索Tesseract for OCR（初学者）
步骤3：不使用Tesseract的OCR（中级）
步骤4：在小型项目中练习OCR（中级）
步骤5：自然场景中的文本检测（中级）
步骤6：将文本检测与OCR结合使用（高级）



5.物体检测
我们将研究对象检测的一些基本方法，一直到基于深度学习的对象检测器（包括YOLO和SSD）进行工作。
步骤1：配置开发环境（初学者）
步骤2：创建基本对象检测器/跟踪器（初学者）
步骤3：基本人员检测（初学者）
步骤4：改进我们的基本对象检测器（初学者）
步骤5：您的第一个深度学习对象检测器（中级）
步骤6：深度学习的实时对象检测（中级）
步骤7：深度学习对象检测器（中级）
步骤8：评估深度学习对象检测器性能（中级）
步骤9：从对象检测到语义/实例分割（中级）
步骤10：嵌入式设备上的对象检测（高级）


6.对象追踪
通常在检测到对象之后才应用对象跟踪算法 ，本节中，我们将学习这些类型的对象跟踪算法。
步骤1：在系统上安装OpenCV（初学者）
步骤2：您的第一个对象跟踪器（初学者）
步骤3：发现质心跟踪（中级）
步骤4：更好的对象跟踪算法（中级）
步骤5：多对象跟踪（中级）
步骤6：应用对象跟踪和计数（中级）


7.实例分割和语义分割
步骤1：配置开发环境（初学者）
步骤2：细分与对象检测（中级）
步骤3：应用Mask R-CNN（中级）
步骤4：使用OpenCV（中级）进行语义细分

后面的内容，这里就不做累赘的叙述了，建议感兴趣的新手小白，直接前往官网进行阅读学习。https://www.pyimagesearch.com/start-here/